O pior momento da pandemia no Brasil

Era difícil imaginar, um ano atrás, que passadas as (duras) comemorações de final de ano, ainda estaríamos sujeitos à medidas super restritivas de isolamento social. Era imaginável que, a essa altura, os governos já teriam investido em um misto de hospitais de campanha, que atenuassem o caos no SUS, bem como na compra e distribuição de vacinas para toda a população. Graças, porém, a uma das piores gestões de crise da nossa História, diversas cidades e regiões metropolitanas foram obrigadas a decretar, novamente, em maior ou menor grau, medidas de isolamento social, com dura repercussão sobre o nível de atividade. Como se vê nesse Comentário de Conjuntura, tais medidas foram necessárias porque atingimos o pior momento da pandemia no Brasil.

Membros do Clube AM, por suposto, têm acesso a todos os códigos desse exercício.

Os dados aqui utilizados são do repositório do Wesley Cota. Eles foram importados para o R como abaixo.


## Carregar pacotes
library(tidyverse)
library(tsibble)
library(gridExtra)

 

## Coletar dados
covid = readr::read_csv("https://raw.githubusercontent.com/wcota/covid19br/master/cases-brazil-states.csv") %>%
select(date, state, newDeaths, newCases, deaths_per_100k_inhabitants,
totalCases_per_100k_inhabitants, deaths_by_totalCases) %>%
tsibble::as_tsibble(index = date, key = state) %>%
group_by(state) %>%
mutate(MM_mortes = zoo::rollmean(newDeaths, k = 7, fill = NA, align = "right"),
MM_casos = zoo::rollmean(newCases, k = 7, fill = NA, align = "right"))

Uma vez que tenhamos os dados no RStudio, podemos criar gráficos para o nível nacional como abaixo.

Os gráficos acima mostram uma situação devastadora, fruto da irresponsabilidade e do descaso do governo federal com a maior crise sanitária dos últimos 100 anos. Chegamos, um ano depois do início da pandemia, ao total descontrole da peste.

A média móvel de novos casos em 29/03 chegou a 74,5 mil e a de mortes a 2,6 mil!

São números superlativos que retratam uma tragédia de saúde pública.

A tragédia, diga-se, está espalhada pelo país. A seguir, fazemos um recorte sobre a região Sudeste.

O estado de São Paulo, epicentro da pandemia, chegou a uma média móvel de 16,2 mil novos casos e a 600 mortes pela peste, em 28/3.

Com a vacinação sendo conduzida a passos de cágado, é difícil imaginar que não seremos obrigados a manter medidas de isolamento social por mais algum tempo no país.

Membros do Clube AM, por suposto, têm acesso a todos os códigos desse exercício.

____________________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Retropolando a série do desemprego no Brasil

Nosso objetivo neste exercício será estender a taxa de desemprego fornecida pela Pesquisa de Nacional por Amostra de Domicílios Contínua (PNAD Contínua) através daquela fornecida pela Pesquisa Mensal de Emprego (PME). Serão construídas duas séries: uma normal, outra dessazonalizada. Faremos todo o exercício utilizando o Python.

Variáveis Instrumentais no R: qual o impacto do gasto de segurança no crime?

Diversos métodos econométricos têm como principal finalidade melhorar o processo de investigar o efeito de uma variável sobre a outra, e um importante método encontra-se no uso de Variáveis Instrumentais na análise de regressão linear. Mas como podemos utilizar essa ferramenta para auxiliar no estudo da avaliação de impacto?

Neste post, oferecemos uma breve introdução a esse importante método da área de inferência causal, acompanhado de um estudo de caso para uma compreensão mais aprofundada de sua aplicação. Os resultados foram obtidos por meio da implementação em R, como parte integrante do nosso curso sobre Avaliação de Políticas Públicas utilizando esta linguagem de programação.

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.